在分析 DSD 之前是否需要滿足任何有關回應資料的假設？我剛剛進行了第一次 DSD 研究，只是想了解它背後的一些內部工作原理，但我無法從JMP 手冊請參閱此處。
- 我想了解在「Fit Definitive Screening」腳本進行分析之前是否需要滿足有關回應資料的任何假設。 我問這個是因為如果你想執行變異數分析測試，你需要確保資料是正常的，所以只是想知道在分析資料之前是否需要滿足任何類似的假設。
- 為什麼“Fit Definitive Screening”腳本顯示主效果殘差圖而不僅僅是主效應圖（如雙因素設計中常見的）？ 此外，正如上面的連結中提到的，我無法理解為什麼“具有不同水平殘差的因子表示重要的主效應」？
- 為什麼腳本不顯示互動圖？ 這與DSD的結構有關嗎？
實驗設計回覆：在分析 DSD 之前是否需要滿足任何有關回應資料的假設？一些澄清：
1. 不存在 DOE 反應變數的常態性假設，也不存在使用變異數分析的常態性假設。事實上，變異數分析對於分佈異常相當穩健。定量分析的假設是常態獨立分佈殘差平均值為 0，變異數為常數 (NID(o,variance))。
2. 殘差圖對於辨識模型問題非常有用。預測刻畫器是您尋找主效應圖的工具。 如果一個水準的殘差與另一個水準的殘差差異很大，則表示該因素有影響。
3. 您必須確保模型中存在交互作用才能獲得交互圖（第 2 階段）。
回覆：在分析 DSD 之前是否需要滿足任何有關回應資料的假設？關於第二點，你能解釋一下這個說法嗎：「如果一個水平的殘差與另一個水平的殘差相差很大，這是否表明該因素有影響？” 我無法理解這一點。 這是否意味著該圖中的殘差是為特定響應與因子創建的線（即模型）？
回覆：在分析 DSD 之前是否需要滿足任何有關回應資料的假設？這意味著該因子會影響反應的變異數，無論它如何影響反應的平均值。 此結果違反了最小二乘模型，該模型假設變異數獨立於反應水準。 變異數被估計為所有 X 的常數值。
